Этичное машинное обучение в здравоохранении
Ethical Machine Learning in Healthcare
2021-05-06
SCID: 54.1/zcr242fj
Discuss with AI
этичное машинное обучениенеравенство в здоровьездравоохранениепоследующие этапы внедрениясоциальная справедливость
Figures from the paper
Abstract (AI)
Использование машинного обучения (ML) в здравоохранении вызывает многочисленные этические вопросы, особенно поскольку модели могут усиливать существующее неравенство в сфере здоровья. В статье рассматриваются этические аспекты применения справедливого машинного обучения для развития здравоохранения. В частности, этика машинного обучения в здравоохранении анализируется с точки зрения социальной справедливости. Описываются текущие инициативы и обозначаются проблемы в предлагаемом процессе этичного применения машинного обучения в здравоохранении — от выбора задачи до вопросов, возникающих после внедрения. В заключение обобщаются рекомендации по решению этих проблем.
Key Findings
1
Предложена этическая конвейерная модель ML для здравоохранения, охватывающая этапы от выбора проблемы до послепусковых соображений.
2
Использование методов машинного обучения в здравоохранении вызывает многочисленные этические проблемы, особенно их потенциал усиливать существующие неравенства в здравоохранении.
3
Авторы рассматривают этику ML в здравоохранении через призму социальной справедливости для формирования подхода к справедливому развитию ML.
4
Авторы приводят свод рекомендаций, направленных на решение выявленных этических проблем в области ML для здравоохранения.
5
В статье описаны текущие усилия и выделены конкретные проблемы на каждом этапе предложенного этического конвейера ML.
Research Object
Применение машинного обучения в здравоохранении
Research Subject
Этические соображения и практики для обеспечения справедливости ML на всём конвейере — от выбора задачи до постразвертывания — с целью снижения усиления неравенства в здравоохранении и приведения в соответствие с принципами социальной справедливости
Publication Details
Publication Date
2021-05-06
Journal
Publisher
ISSN
Cited by
731
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Анализ расового предвзятого отношения в алгоритме, используемом для управления здоровьем населения2019
Проектирование исследований с использованием метода разности разностей: лучшие практики для исследований политики в области общественного здравоохранения2018
Деколониальный искусственный интеллект: деколониальная теория как социотехническое предвидение в области искусственного интеллекта2020
Работы, цитирующие эту статью6
Большие языковые модели кодируют клинические знания2023
Объяснимое, надежное и этичное машинное обучение в здравоохранении: обзор2022
Mental-LLM2024
Подходы на основе машинного и глубокого обучения в интеллектуальном здравоохранении: последние достижения, приложения, проблемы и перспективы2024
Оценка больших языковых моделей как агентов в клинической практике2024
Иллюзия оценки больших языковых моделей в медицине2025